DE102006027068A1

DE102006027068A1 - Verfahren und Einrichtung zum Prüfen von Gegenständen

Info

Publication number: DE102006027068A1
Application number: DE102006027068A
Authority: DE
Inventors: Werner Dr. Krattenthaler; Konrad Dipl.-Ing. Mayer; Harald Dr. Penz; Andreas Dipl.-Ing. Vrabl; Dorothea Dipl.-Ing. Heiss
Original assignee: ARC Seibersdorf Research GmbH
Current assignee: Seibersdorf Labor GmbH
Priority date: 2005-06-21
Filing date: 2006-06-10
Publication date: 2007-01-04
Also published as: AT502069A1; AT502069B1

Abstract

Die Erfindung betrifft ein Verfahren zum Prüfen von Gegenständen, bei dem von diesen Gegenständen ein digitales Bild erstellt und ausgewertet wird, sowie eine Einrichtung zur Durchführung des Verfahrens. DOLLAR A Erfindungsgemäß ist vorgesehen, dass auf das digitale Bild zumindest ein Kanten- oder Linienfilter (10) und nachfolgend zumindest ein Maximumfilter (4) angewendet wird und dass das erhaltene Bild einem Vergleich mit zumindest einem Sollwertbild bzw. einer Fehlerprüfung unterzogen wird.

Description

Die Erfindung betrifft ein Verfahren gemäß dem Oberbegriff des Patentanspruches 1 und eine Einrichtung gemäß dem Oberbegriff des Patentanspruches 10.

Ziel der Erfindung ist es, Druckfehler auf Gegenständen, insbesondere Druckwerken, z.B. Banknoten, Briefmarken, Wertpapieren, Schriftstücken usw. zu erkennen. Das Verfahren kann bei allen Arten von Druck, so auch für Verpackungsdruck, Barcodedruck usw. angewendet werden, wenn es auf hohe Druckqualität ankommt. Ganz allgemein richtet sich die Erfindung auf die Prüfung von Gegenständen bzw. deren Oberflächen. Es können Aufdrucke, Bilder oder entsprechende Oberflächengestaltungen von Gegenständen mit dem erfindungsgemäßen Verfahren überprüft werden.

Je nach dem Herstellungsprozess der Oberflächengestaltung bzw. des Druckverfahrens kommt es zu unterschiedlichen Arten von Fehlern. Üblicherweise werden zur Fehlerfeststellung die Oberflächen der Gegenstände bzw. die Bilder und Aufdrucke mit Flächen- oder Zeilenkameras aufgenommen und mit einem Sollmuster verglichen. Dabei soll das Fehlen von Teilen des Druckes als auch ein Zuviel an Druck, z.B. Flecken, Kratzer, Farbschmierer, erkannt werden. Auch Druckunregelmäßigkeiten oder bei der Prüfung von Banknoten auftretende Abweichungen von einer Vortage sollen erkannt werden. Abweichungen, die vom menschlichen Auge noch nicht als Fehler wahrgenommen werden, sollen eher toleriert werden, sofern dies zulässig ist. Abweichungen von Vorlagen, die eine gewisse Toleranz überschreiten, sollen als Fehler angezeigt werden. Zumeist erfolgt die optische Prüfung von Druckwerken durch einen punktweisen Vergleich des aufgenommenen Bildes gegenüber Sollwerten, die vorgegeben oder durch Gutmuster eingelernt worden sind. Die Toleranz soll gerade so eng gesetzt werden, dass störende oder vorgegebene Abweichungen als Fehler erkannt werden, aber für das menschliche Auge nicht störende Abweichungen toleriert werden. Ähnlich verhält es sich mit Fehlern, die vom menschlichen Auge nicht erkannt werden können.

Das menschliche Auge ist gegenüber leichten Verschiebungen, Verdrehungen oder allgemein Verzerrungen des Druckbildes tolerant. Solche Verzerrungen können beispielsweise entstehen, wenn sich das Material, auf dem gedruckt worden ist, dehnt oder schrumpft. Ebenso ist das Auge tolerant gegenüber großflächigen Intensitätsänderungen, die z. B. von einer Variation im Farbauftrag der Druckerfarbe hervorgerufen wird. Diese Helligkeitsschwankungen können, solange sie einen bestimmten Grenzwert nicht überschreiten, als zufällige, zulässige Anomalie toleriert werden.

Besonders empfindlich ist das Auge in der Erkennung von feinen Strichen, Kratzern und Strukturfehlern, also allgemein gesprochen, von lokalen Intensitätsänderungen des Bildes. Ein typischer Fehler bei Druckwerken, die nach dem Tiefdruckverfahren hergestellt werden, sind sogenannte Rakelstreifen. Diese machen sich als sehr dünne, aber auffällige Linien in Richtung der Bewegung der Druckwalze bemerkbar und sind ein gutes Beispiel eines mit dem Auge leicht aber technisch nur schwer feststellbaren Fehlers.

Der Aufwand für eine Druckbildprüfung wird hauptsächlich durch die Ortsauflösung der Kamera bestimmt. Diese muss so hoch gewählt werden, dass feine Bildstrukturen noch sicher erkannt und von störenden Bildfehlern noch unterschieden werden können.

Eine hinreichend hohe Auflösung bewegt sich im Bereich von wenigen Zehntel Millimetern und kleiner. Dies bedingt einen sehr hohen technischen Aufwand in der Prüfung der Bilder.

Die Auflösung muss einerseits so hoch sein, dass feine Strukturen noch aufgelöst werden können; andererseits treten bei hoher Auflösung auch erlaubte Abweichungen, wie sie z. B. durch Dehnung des Untergrundes auftreten, stärker hervor.

Um eine ausreichende und rasche Fehlererkennung zu erreichen, sind die Merkmale des Anspruches 1 vorgesehen. Eine Einrichtung zur Durchführung des erfindungsgemäßen Verfahrens ist mit den im Kennzeichen des Anspruches 10 aufscheinenden Merkmalen charakterisiert.

Mit den Merkmalen des Anspruches 2 wird erreicht, dass die zur Auswertung vorgesehenen Daten von kleinen Aufnahmefehlern (Kamerarauschen) weitgehend befreit werden.

Die im Anspruch 3 angegebenen Filter sind besonders gut für derartige Zwecke geeignet und bieten für unterschiedliche Aufgabenstellungen anwendungstechnisch Vorteile.

Durch die in Anspruch 4 angegebenen Verknüpfungen der erhaltenen Daten wird eine besonders effiziente Analyse allenfalls vorhandener Bildfehler möglich. Dazu ist vorgesehen, dass nach der Anwendung des Sobel-H-Filters und des Sobel-V-Filters die Ergebnisdaten der beiden Filter bildpunktweise miteinander verknüpft, insbesondere die Wurzel der Summe der quadrierten Ergebnisdaten der beiden Sobel-Filter oder die Summe der gewichteten Absolutbeträge oder das jeweilige Maximum der Absolutbeträge jeweils entweder exakt oder näherungsweise oder mit Hilfe einer Look-Up-Table ermittelt, werden.

Der Sobel-Operator ist ein einfacher Kantendetektions-Algorithmus der Bildverarbeitung. Hier wird die erste Ableitung der Bildpunkt-Helligkeitswerte mit einer gleichzeitigen Glättung berechnet.

Der Operator nutzt zur Faltungsmatrix eine 3×3-Matrix, die aus dem Originalbild ein Gradienten-Bild erzeugt. Die Bereiche der größten Intensität sind dort, wo die Helligkeit des Originalbildes sich am stärksten ändert. An diesen Stellen liegen wahrscheinlich auch Kanten.

Zwei Matrizen (Sobel-H- und Sobel-V-Filter) werden benötigt, um die erste Ableitung eines 2-dimensionalen Bildes zu erhalten – eine horizontale und eine vertikale.

Wenn wir das Originalbild als Matrix A definiert, dann kann man folgendes berechnen:

Eine richtungsunabhängige Information kann man durch die Kombination beider Ergebnisse erhalten:

Von Vorteil ist es, wenn auf das digitale Bild als Linienfilter (10) ein Canny-Operator angewendet wird.

Der Canny-Algorithmus ist ein robuster Kantenerkennungsalgorithmus. Er gliedert sich in verschiedene Faltungsoperationen und liefert ein Bild, welches Idealerweise nur noch die Kanten des Ausgangsbildes enthält.

Da der Algorithmus nur auf Graubildern arbeiten kann, ist eine vorherige Überführung von farbigen Bildern in Graubilder erforderlich. In diesen Grauwertbildern sind Kanten durch große Helligkeitsschwankungen zwischen zwei benachbarten Pixeln charakterisiert. Sie können somit als eine Unstetigkeit der Grauwertfunktion g(x,y) des Ausgangsbildes aufgefasst werden. Da derartige Unstetigkeiten auch ohne das Vorhandensein von Kanten einfach durch Bildrauschen auftreten können, verwendet der Algorithmus die Gaußsche Normalverteilung zur Glättung des Bildes.

Dabei wird das Originalbild mit Hilfe einer Maske gefaltet, die die Gaußsche Normalverteilung annähert. Der neue Grauwert eines Pixels g'(x,y) ergibt sich dabei aus den gewichteten Werten der ihn umgebenden Pixel. Ein Beispiel für eine solche Maske könnte sein:

Je größer hierbei die Maske gewählt wird, desto robuster wird der Algorithmus gegenüber Rauschen.

Anschließend werden die Gradienten der einzelnen Pixel ermittelt, indem das Bild mit Hilfe des Sobel-Operators gefaltet wird. Dieser arbeitet entweder in X-Richtung oder in Y-Richtung und betont somit entweder horizontale oder vertikale Kanten. Auch beim Sobel-Operator ergibt sich der neue Wert eines Pixels aus den gewichteten Werten der ihn umgebenden Pixel. Da für den Canny-Algorithmus der Gradient in X-Richtung und der Gradient in Y-Richtung benötigt werden, ergeben sich also nach Anwendung des Sobel-Operators 2 neue Bilder.

Mithilfe der beiden so ermittelten Gradienten lässt sich der Anstieg einer potentiellen Kante durch einen Pixel errechnen. Es gilt: Antstieg=arctan(GradientY/GradientX), falls GradientX ungleich 0 ist, ansonsten 0°, falls GradientY auch 0 ist, ansonsten 90°.

Da ein Pixel jedoch nur 8 Nachbarn hat, ergeben sich insgesamt lediglich 4 mögliche Kantenanstiege: 0°, 45°, 90° und 135°. Die soeben errechneten Anstiege werden also auf einen dieser Werte gerundet.

Die Kantenstärke eines einzelnen Pixels wird als Summe aus dem Betrag der beiden Gradienten gebildet.

Um sicherzustellen, dass eine Kante nicht mehr als einen Pixel breit ist, werden im folgenden Schritt lokale Maxima gesucht. Dabei wird für jeden Pixel überprüft, ob einer seiner 8 Nachbarn eine höhere Kantenstärke als der Pixel selbst hat. Ist dies der Fall, und führt der errechnete Kantenanstieg von diesem Pixel mit höherer Kantenstärke nicht auf den zu betrachtenden Pixel, wird dessen Kantenstärke auf 0 gesetzt. Man kann also annehmen dass dieser Pixel nicht zu einer Kante gehört.

Abschließend muss natürlich noch festgestellt werden, ab welcher Kantenstärke ein Pixel zu einer Kante zu zählen ist. Um das Aufbrechen einer Kante durch Schwankungen in der errechneten Kantenstärke zu vermeiden wird ein Hysterese genanntes Verfahren angewendet. Bei diesem Verfahren verwendet man zwei Schwellwerte. Alle Pixel, deren Kantenstärke über dem ersten Schwellwert liegen, werden als Kantenelemente (Edgels von engt. edgeelements]) aufgefasst. Alle, deren Kantenstärke unter dem zweiten Schwellwert liegen, werden nicht weiter als Edgels in Betracht gezogen. Für Pixel, deren Kantenstärke zwischen den beiden Schwellwerten liegen, gilt: Sie sind ein Edgel wenn einer ihrer Nachbarn ein Edgel ist und dessen Kantenanstieg zu ihnen selbst führt. Nach diesem letzten Schritt ist der Algorithmus beendet und liefert eine Menge von Punkten, die je nach korrekter Wahl der Schwellwerte die im Ausgangsbild vorhandene Kanten aufzeigen.

Diese Menge von Punkten kann auf viele verschieden Arten verwendet werden, um weitere Informationen aus dem Bild zu extrahieren (z.B. Hough-Transformation zur Erkennung einfacher geometrischer Objekte oder Waltz-Algorithmus zur Erkennung von dreidimensionalen Objekten im Bild).

Die im Anspruch 8 angegebene Vorgangsweise ermöglicht eine exakte und mit wenig Rechenaufwand vorzunehmende Beurteilung der Qualität der zu untersuchenden Gegenstände bzw. liefert eine sehr exakte Möglichkeit, auftretende Fehler zu erkennen und zu beurteilen.

Von besonderem Vorteil sind die Merkmale des Anspruches 16, da damit eine wesentlich raschere Abarbeitung der anfallenden Daten aufgrund der vorgenommenen Datenreduktion möglich, ist ohne dass dadurch eine Beeinträchtigung bei der Beurteilung allenfalls vorhandener Fehler eintritt.

Die Merkmale des Anspruches 18 liefern mit geringem Hardwareaufwand ein ausgesprochen exaktes online-Ergebnis.

Im Folgenden wird die Erfindung anhand eines in der Zeichnung dargestellten Diagramms näher erläutert.
Auf das mit einer Bildaufnahmeeinheit 1 von einem Gegenstand aufgenommene, beispielsweise in Hinblick auf Fehler oder Bildcharakteristika zu prüfende Bild wird zumindest ein Kanten- oder Linienfilter 10 und nachfolgend zumindest ein Maximumfilter 4 angewendet. Die Bilddaten können in diesen Filtern, müssen aber nicht auf eine vorgegebene Auflösung reduziert werden. Gut geeignet sind alle Arten von Kanten- oder Linienfiltern, die einen Absolutbetrag von lokalen Intensitätsunterschieden liefern. Das erhaltene Ergebnis wird dann nach herkömmlichen Verfahren z. B. durch Vergleich gegenüber einem vorher eingelernten oder vorgegebenen Minimum und Maximum überprüft.
Der Kanten- bzw. Linienfilter 10 hat somit die Aufgabe, lokale Intensitätsunterschiede, auf die das menschliche Auge empfindlich ist, hervorzuheben. Das Ergebnis repräsentiert, wie stark eine Kante bzw. Linie an einem bestimmten Ort ausgeprägt ist.
Dem Kanten- oder Linienfilter 10 ist ein Tiefpassfilter 6 vorgeschaltet.
Es kann vorgesehen sein, dass im Tiefpassfilter 6 und/oder im Maximumfilter 4 eine vorgesehene Reduktion der Bilddaten erfolgt, da damit eine Reduktion der Bilddaten erreicht wird und die Auswertungsgeschwindigkeit beträchtlich erhöht werden kann, ohne dass ein Verlust an Information eintritt.
Von Vorteil ist es, wenn auf das als Farb-Bild vorliegende digitale Bild des Gegenstandes zumindest ein Gauß-Filter 7 angewendet wird, dessen Datenreduktion gegebenenfalls der Datenreduktion des Maximumfilters 4 entspricht, und dass die erhaltenen Datensätze des Gauß-Filters 7 mit den Ausgangsdaten des Maximumfilters 4 gemeinsam bzw. verknüpft ausgewertet werden. Man erhält in diesem Fall eine Aussage über die großflächigeren Intensitätsverteilungen bzw. durch Flecken oder ähnliches verursachte Fehler.
Durch eine allfällige Reduktion der anfallenden Daten im Gauß-Filter 7 kann bei dieser Überprüfung eine entsprechend rasche Vorgangsweise erreicht werden, die insbesondere dann optimal ist, wenn die Datenreduktion im Maximumfilter 4 und die Datenreduktion im Gauß-Filter 7 aufeinander abgestimmt, insbesondere gleich, sind. Eine Reduktion der Bilddaten im Maximumfilter 4 ergibt, dass nur mehr ein Wert, der die maximale Kanten- bzw. Linienintensität über ein kleines lokales Gebiet repräsentiert, der Fehlerprüfung zugeführt werden muss.
Der Hauptvorteil liegt darin, dass dadurch einerseits gemäß dem Empfinden des menschlichen Auges lokale Intensitätsunterschiede hervorgehoben werden, anderseits das Prüfverfahren durch den Maximumoperator gegenüber geringfügigen Verschiebungen, die das Auge nicht wahrnimmt, unempfindlich wird.
Eine hohe Qualität der Prüfung erreicht man, wenn die Fehlerprüfung in der Auflösung des Originalbildes erfolgt. Mit nur sehr geringer Einbuße an Qualität der Fehlererkennung kann man jedoch die Bilddaten nach dem Maximumfilter 4 reduzieren, was eine drastische Senkung des nachfolgenden Prüfaufwandes bedeutet.
Nimmt man beispielsweise ein 2×2 Maximumfilter, also eine Rechenoperation, die für jeweils 4 unmittelbar benachbarte Pixel den Maximalwert berechnet, dann erreicht man eine Reduktion der Daten um einen Faktor 4.
Vorteilhafterweise erfolgt die Bildung eines Maximums der Intensitätswerte von Pixelgruppen. Wird z. B. von 2·2 Pixeln des Kantenbildes das Maximum gebildet, so bleibt die Information, dass sich an dieser Stelle eine Kante (= hohe Frequenz) befindet, optimal erhalten.
Die Bildinformation soll optimiert komprimiert werden. Dazu können prinzipiell 2 Filter verwendet werden, nämlich ein Hoch- und ein Tiefpassfilter, so dass in einem (z. B. auf ein Viertel) reduzierten Bild die hohen, und in einem anderen (ebenfalls z. B. auf ein Viertel) reduzierten Bild die niedrigen Frequenzen erhalten bleiben. Zusammen haben die beiden reduzierten Bilder nur den halben Speicherbedarf des ursprünglichen Bildes, dennoch bleibt die wesentliche Information betreffend hohe und niedrige Frequenzen erhalten.
Ein Tiefpassfilter, der einerseits den Speicherbedarf des Bildes reduziert, andererseits die tiefen Frequenzen erhält, ist durch das Gauß-Filter 7 realisiert.
Zur Realisierung eines Hochpassfilters kann eine Vorgangsweise eingesetzt werden, gemäß der zuerst eine Glättung vorgenommen wird, d.h. dass die höchsten Frequenzen eliminiert werden, indem z. B. ein gewichteter Mittelwert von Pixelgruppen erstellt wird. Damit wird dem Hochpassfilter entgegengewirkt und es bleiben die wesentlichen Informationen erhalten. Es wird somit eine Vorgangsweise eingesetzt, die einerseits den Speicherbedarf des Bildes reduziert, und andererseits die hohen Frequenzen erhält.
Der vorgesehene Gauß-Filter 7 kann in Form von drei 5×5 Gauß-Filtern vorgesehen sein, wobei jedes dieser 5×5 Gauß-Filter für die Bearbeitung einer Farbkomponente (z.B. rot, grün, blau) zuständig ist.
Der vorgesehene RGB-Mixer 11 mischt die drei Farbkomponenten RGB des von der Bildaufnahmeeinheit 1 erhaltenen Farb-Bildes zu einem Gauwertbild, wobei alle drei Farbkomponenten mit einem jeweils eigenen Gewichtungsfaktor gewichtet werden können.
Der Gauß-Filter 6 kann in Form eines 3×3 Gauß-Filters realisiert werden, der die Anzahl der Bildpunkte bzw. Pixel nicht verändert.
Sofern als Kanten- oder Linienfilter 10 Sobel-Filter eingesetzt werden, so werden die Einheiten Sobel-H-Filter 2 und Sobel-V-Filter 3 von dem Gauß-Filter 6 mit Bilddaten gespeist. Die in den beiden Filtern 2 und 3 vorgenommenen Rechenvorgänge verändern nicht die Anzahl der Pixel.
Der Gradientenbildner 8 wird von dem horizontalen Sobel-Filter 2 und/oder dem vertikalen Sobel-Filter 3 gespeist. Am Ausgang des Gradientenbildners 8 liegt gegebenenfalls eine bildpunktweise Verknüpfung der beiden Eingänge oder der Absolutbetrag einer der beiden Gradienten an.
Der Multiplexer 9 wählt aus den drei möglichen Kantenbildern (Ausgang des Sobel-H-Filters, Ausgang des Sobel-V-Filters und Ausgang des Gradientenbildners) eines aus, das als Eingang des Maximum-Filters 4 dient.
Im Maximum-Filter 4 wird aus einem 2×2 Pixel großen Bereich das Pixel mit dem betragsmäßig größten Wert ausgewählt und an nachfolgende Einheiten weitergeleitet. Es erfolgt damit eine Reduktion der Bilddatenmenge auf ein Viertel der ursprünglichen Menge.
Eine Einheit 12 kann vorgesehen sein, die steigende oder fallende Flanken der Pixelintensität innerhalb einer Bildzeile feststellt; diese Daten können zur Ergänzung der Auswertung herangezogen werden.
In der Auswerteeinheit 5 werden die allenfalls gewichteten Bilddaten des Maximumfilters 4, die allenfalls gewichteten Daten des Gauß-Filters 7 und die allenfalls gewichteten Daten der Einheit 12 überprüft, ob die erhaltenen Werte innerhalb ihres jeweiligen gegebenen Toleranzbereiches liegen. Insbesondere werden die Ausgangsdaten des Maximumfilters 4 mit dem Toleranzbereich 13 in einer Vergleichseinheit 16 verglichen, wobei der Ausgangswert dieser Vergleichseinheit 16 im Absolutbetrag angibt, um wie viele Helligkeitswerte die Ausgangsdaten des Maximumfilters 4 außerhalb des Toleranzbereichs 13 liegen bzw. Null ist, falls sie innerhalb liegen. Analog wird auch mit den Daten des Gauß-Filters 7 und der Einheit 12 vorgegangen. Allerdings kann dabei vorgesehen sein, dass die vom Gauß-Filter 7 für die einzelnen Farbkanäle eintreffenden Signale unterschiedlich geprüft werden und auftretende Fehler zusammengeführt bewertet werden.
Die Ausgangswerte der drei Vergleichseinheiten werden mittels dreier möglicherweise verschiedener Fehlerfunktionen 17, 18, 19 auf jeweils transformierte Werte abgebildet. Diese drei transformierten Ausgangswerte werden in einer Verknüpfungseinheit 20 verknüpft, insbesondere indem das Maximum gebildet wird.
Es ist somit vorteilhaft, wenn die Auswerteeinrichtung zumindest einen Vergleicher 16 für die allenfalls gewichteten Daten des Maximumfilters 4 und/oder des Gauß-Filters 7 und/oder der Einheit 12 umfasst, in dem jeweils der Fehlerbetrag der einlangenden Signale bzw. das Einhalten eines Toleranzbereiches ermittelt wird, und ferner einen Funktionsbildner 17, 18, 19 umfasst, mit dem für diese jeweiligen Fehlerbeträge Funktionswerte ermittelt werden wobei an die Funktionsbildner 17, 18, 19 die Verknüpfungseinheit 20, insbesondere ein Maximumbildner, angeschlossen ist.
Zweckmäßig ist es, wenn an die Auswerteeinheit 5 eine Einheit zur Blob-Analyse zur weiteren Prüfung einzelner Bereiche angeschlossen ist.
Zu den verwendeten Begriffen werden folgende Erläuterungen gegeben:
Der Prewitt-Operator ist ein Kantendetektor ähnlich dem Sobel-Operator, nur werden bei diesem die Grauwerte in der aktuellen Gradientenrichtung nicht zusätzlich gewichtet.
Analog zum Sobel-Operator erhält man als Ausgabe des Kantendetektor ein Gradientenbild in X und eines in Y Richtung.
Auf gleiche Weise berechnet sich die Kantenstärke zu
Der Roberts-Operator ist ein einfacher Kantendetektions-Algorithmus der Bildverarbeitung. Hier wird die Differenz über Kreuz liegender Pixel berechnet.
Der Operator nutzt als Faltungsmatrix eine 2×2-Matrix.
Das Gradientenstärkebild ergibt sich zu h_n,m = |f_n,m – f_n+1,m,+1| + |f_n+1,m – f_n,m+1|
Die Abkürzungen HSV oder HSB oder HSI stehen für das Farbmodell, bei dem man die Farbe mit Hilfe des Farbtons (Hue), der Sättigung (Saturation) und der Helligkeit (Value, Brightness, Intensity) definiert.
Dabei wird

– der Farbton als Winkel auf dem Farbkreis angegeben (z. B. 0° = Rot, 120° = Grün, 240° = Blau),
– die Sättigung als Prozentwert angegeben (z. B. 0% = keine Farbe, 50% = ungesättigte Farbe, 100% = gesättigte Farbe),
– die Helligkeit als Prozentwert angegeben. (z. B. 0% = keine Helligkeit, 100% = volle Helligkeit).

Die Darstellung des Farbraums durch das HSV-Modell wird üblicherweise in Computerprogrammen verwendet. Um eine bestimmte Farbe mit Hilfe ihrer HSV-Parameter auszuwählen bzw. auszudrücken, benutzt man den HSV-Farbkreis. Der Farbton (Hue) wird direkt vom Farbkreis ausgewählt, dann werden – meist von einem Dreieck, wobei die waagerechte Achse die Sättigung und die senkrechte die Helligkeit widerspiegelt – die beiden anderen Parameter gewählt.
In der obigen Erklärung wird die Blobanalyse dazu verwendet, um Objekte zu erkennen. Im vorliegenden Fall wird die Blobanalyse jedoch dazu verwendet, um zusammenhängende Gebiete von fehlerhaften Pixeln zu finden, denn isolierte fehlerhafte Pixel sind meist nicht störend und stellen daher keinen Fehler dar. Die Verfahren der Blobanalyse sind für den vorliegenden Fall eins zu eins übertragbar.
Um entscheiden zu können, ob Pixel „zusammen hängen„ wird eine Nachbarschaftsbeziehung vorgegeben: üblicherweise die 4-er Nachbarschaft (Pixel ist mit seinen 4 direkten Nachbarn darüber, darunter, rechts und links benachbart) oder 8-er Nachbarschaft (Pixel ist mit all seinen 8 Nachbarn, auch den diagonalen, benachbart).
Jeder „Blob„ ist eine Menge von Pixeln, wobei jedes Pixel, das zu diesem Blob gehört, zu mindestens einem anderen Pixel desselben Blobs benachbart sein muss und alle Pixel des Blobs eine gemeinsame Eigenschaft aufweisen müssen (im vorliegenden Fall müssen sie fehlerhaft sein).

Claims

Verfahren zum Prüfen von Gegenständen, insbesondere von Druckwerken, Bildern oder Abbildungen, bei dem von diesen Gegenständen ein digitales Bild erstellt und ausgewertet wird, dadurch gekennzeichnet, – dass auf das, insbesondere in Form eines Intensitätsbildes vorliegende, digitale Bild zumindest ein, insbesondere einen Absolutbetrag von lokalen Intensitätsunterschieden liefernder, Kanten- oder Linienfilter (10) und nachfolgend zumindest ein Maximumfilter (4) angewendet wird und – dass das erhaltene Bild, insbesondere bildpunktweise, einem Vergleich mit zumindest einem Sollwertbild bzw. einer Fehlerprüfung unterzogen wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass auf das Bild vor Anwendung des Kanten- oder Linienfilters (10) ein Tiefpassfilter (6), insbesondere Gauß-Filter, angewendet wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass als Kantenfilter (10) ein Sobel-Filter, insbesondere ein Sobel-H-Filter (2) und/oder ein Sobel-V-Filter (3), oder ein Roberts-Filter oder ein Prewitt-Filter, angewendet wird.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass nach der Anwendung des Sobel-H-Filters und des Sobel-V-Filters die Ergebnisdaten der beiden Filter bildpunktweise miteinander verknüpft, insbesondere die Wurzel der Summe der quadrierten Ergebnisdaten der beiden Sobel-Filter (2, 3) oder die Summe der gewichteten Absolutbeträge oder das jeweilige Maximum der Absolutbeträge jeweils entweder exakt oder näherungsweise oder mit Hilfe einer Look-Up-Table ermittelt, werden.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass auf das digitale Bild als Linienfilter (10) ein Canny-Operator angewendet wird.
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass im Tiefpassfilter (6) und/oder im Maximumfilter (4) eine vorgegebene Reduktion der Bilddaten erfolgt.
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass auf das als Farbbild, insbesondere HSI- oder RGB-Bild vorliegende digitale Bild des Gegenstandes zumindest ein Gauß-Filter (7) angewendet wird, dessen Datenreduktion gegebenenfalls der Datenreduktion des Maximumfilters (4) entspricht, und dass die erhaltenen Datensätze des Gauß-Filters (7), gegebenenfalls mit den Ausgangsdaten des Maximumfilters (4) gemeinsam bzw. miteinander verknüpft ausgewertet werden.
Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, – dass die Ausgangssignale des Maximumfilters (4) und/oder des Gauß-Filters (7), jeweils überprüft werden, ob sie in einem Sollwertbereich liegen, – dass bei Nichterfüllung des Sollwertbereiches der absolute Fehlerbertrag ermittelt wird, – dass auf diesen Fehler eine Funktion angewendet und der Funktionswert ermittelt wird, und – dass gegebenenfalls die beiden erhaltenen Funktionswerte verglichen werden und nach Vorgabe entweder immer der höhere oder niedrigere Funktionswert zur Beurteilung der Qualität des jeweiligen Pixels herangezogen und für eine gegebenenfalls folgende Blob-Analyse eingesetzt wird.
Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass die Ausgangsdaten des Sobel-H-Filters (2), des Sobel-V-Filters (3) und der Absolutbetrag eines von einem Gradientenbildner (8) für diese Ausgangsdaten erhaltenen Gradienten jeweils für sich allein zur weiteren Auswertung herangezogen werden.
Einrichtung zum Prüfen von Gegenständen, insbesondere von Druckwerken, Bildern bzw. Abbildungen, wobei von dem Gegenstand ein digitales Bild erstellt wird, das in digitaler Form zur Auswertung vorliegt, insbesondere zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass an eine Bildaufnahmeeinheit (1) ein, insbesondere einen Absolutbetrag von lokalen Intensitätsunterschieden liefernder, Kanten- oder Linienfilter (10) für das, insbesondere als Intensitätsbild vorliegende, digitale Bild angeschlossen ist, dem ein Maximumfilter (4) nachgeschaltet ist und dass an das Maximumfilter (4) eine Auswerteinheit (5), insbesondere ein Vergleicher, angeschlossen ist, in dem das Bild bzw. der Bilddatensatz einer Fehlerprüfung bzw. einem Vergleich mit einem Sollwertbild bzw. einem Sollwert, unterzogen wird.
Einrichtung nach Anspruch 10, dadurch gekennzeichnet, dass dem Kanten- oder Linienfilter (10) ein Tiefpassfilter (6), insbesondere ein Gauß-Filter, vorgeschaltet ist.
Einrichtung nach Anspruch 10 oder 11, dadurch gekennzeichnet, dass als Kantenfilter ein Sobelfilter, insbesondere ein Sobel-H-Filter (2) und/oder ein Sobel-V-Filter (3), vorgesehen ist.
Einrichtung nach einem der Ansprüche 10 bis 12, dadurch gekennzeichnet, dass dem Sobel-Filter (10) ein Gradientenbildner (8) für die Ermittlung des Absolutbetrages der Gradienten für die vom Sobel-Filter erhaltenen Datensätzen nachgeordnet ist.
Einrichtung nach einem der Ansprüche 10 bis 13, dadurch gekennzeichnet, dass als Linienfilter (10) ein Canny-Operator eingesetzt ist.
Einrichtung nach einem der Ansprüche 10 bis 14, dadurch gekennzeichnet, dass der Tiefpassfilter (6) und/oder der Maximumfilter (4) zur Reduktion von Bilddaten eingerichtet sind.
Einrichtung nach einem der Ansprüche 10 bis 15, dadurch gekennzeichnet, dass an die Bildaufnahmeeinheit (1) ein Gauß-Filter (7) angeschlossen ist, dem von der Bildaufnahmeeinheit ein Intensitätsbild, in Form eines digitalen Farbbildes, insbesondere RGB- oder HSI-Bildes, zugeführt ist, dass der Gauß-Filter (7) gegebenenfalls für eine Datenreduktion eingerichtet ist, die vorteilhafterweise der Reduktion der Daten durch den Maximumfilter (4) entspricht, und dass die Ausgangsdaten des der Auswertungseinrichtung (5) vorgehaltenen Gauß-Filters (7) zur gemeinsamen Auswertung, insbesondere einem Vergleich, mit den Ausgangsdaten des Maximumfilters (2) der Auswerteeinrichtung (5) zugeführt sind.
Einrichtung nach einem der Ansprüche 10 bis 16, dadurch gekennzeichnet, dass die Ausgangsdaten des Sobel-H-Filters (2), des Sobel-V-Filters (3) sowie des Gradientenbildners (8) über eine Multiplexeinrichtung (9) dem Maximumfilter (4) zugeführt sind.
Einrichtung nach einem der Ansprüche 10 bis 17, dadurch gekennzeichnet, dass die Auswerteeinrichtung zumindest einen Vergleicher (16) für die allenfalls gewichteten Daten des Maximumfilters (4) und/oder des Gauß-Filters (7) und/oder einer Einheit (12), die steigende oder fallende Flanken der Pixelintensität innerhalb einer Bildzeile feststellt, umfasst, in dem (denen) der Fehlerbetrag der einlangenden Signale bzw. das Einhalten eines Toleranzbereiches ermittelt wird, dass dem Vergleicher (16) zumindest ein Funktionsbildner (17, 18, 19) nachgeschaltet ist, mit dem für diese Fehlerbeträge jeweils Funktionswerte ermittelt werden und dass an die Funktionsbildner (17, 18, 19) eine Verknüpfungseinheit (20), insbesondere ein Maximumbildner, angeschlossen ist.
Einrichtung nach einem der Ansprüche 10 bis 18, dadurch gekennzeichnet, dass an die Auswerteeinheit (5) eine Einheit zur Blob-Analyse angeschlossen ist.
Computerprogrammprodukt mit Programmcode-Mitteln, die auf einem computerlesbaren Datenträger gespeichert sind, um das Verfahren nach jedem beliebigen der Ansprüche 1 bis 9 durchzuführen, wenn das Programmprodukt auf einem Computer ausgeführt wird.